빠르게 변하는 AI 트렌드를 쉽게 접하고 싶나요?

지금 모두레터 구독하기
AI학교 아이펠 '데이터 사이언티스트 과정' 오픈

AI학교 아이펠
'데이터 사이언티스트 과정' 오픈

데이터 '사이언티스트' 필수 역량에 맞춰
완성한 유일한 교육 프로그램 마침내 탄생!

'인공지능(AI) 모델 활용 백엔드 개발 과정' 오픈

'인공지능(AI) 모델 활용
백엔드 개발 과정' 오픈

DAUM 검은사막, KB 국민은행,
Django 도서 저자 출신이 작성하고 만든 백엔드 부트캠프

지식과 노하우를 공유하는 세미나에 참여해봐요!
하고 싶은 프로젝트, 대회, 논문, 연구 등을 진행해봐요!
이해관계자 DAO LAB
인문・사회
공학
아래와 같은 고민해 본적 없나요? - 구글이나 페이스북은 나의 데이터로 엄청난 매출을 내는데, 나에게는 왜 전혀 보상이 없지? - 모두연 커뮤니티는 아주 훌륭한데, 모두연 사업에 좀 더 잘 기여할 수 있지 않을까? - 회사에서 내가 하는 기여를 좀 더 잘 측정하고 보상받을 수 있는 방법은 없을까? 이해관계자 DAO LAB은 회사의 다양한 이해관계자들을 DAO(탈중앙화 자율조직)로 조직화하여 사업에 기여하도록 하고, 그에 대한 정당한 보상을 공유받을 수 있는 체계를 설계하고 구현하려고 합니다. 플랫폼 시대에 사업 성공은 더 이상 대표와 직원들이 열심히 한다고 만들어 낼 수 없습니다. 유튜브, 인스타그램, 페이스북의 성공은 컨텐츠를 만들어 주는 수많은 크리에이터 덕분이고, 우버나 에어비앤비의 성공은 우버 드라이버와 호스트 덕분입니다. 주식회사의 사업과 관련된 모든 이해관계자들이 사업 성공을 함께 만들어 내는 시대인 것입니다. 하지만, 아직까지 주식회사는 이해관계자들을 제대로 활용하지도, 제대로 보상하지도 못하고 있습니다. 만약 이해관계자들을 잘 조직화하고, 그들이 사업에 기여할 수 있는 방법을 제공해 준다면 어떨까요? 그리고 기여를 측정해서 그에 맞는 보상을 제공한다면? 그러면 회사는 가장 큰 우군을 얻게 되는 것이고, 사업의 성과는 이해관계자들에게 공정하게 분배될 수 있습니다. 이 실험을 모두연 커뮤니티와 함께 하려고 합니다. 모두연 사업의 성공은 커뮤니티에 달려있습니다. 그 커뮤니티를 DAO(탈중앙화 자율조직)로 조직화하고 스스로 의사 결정할 수 있도록 구조를 만듭니다. 그리고 모두연 DAO에 참여하는 구성원들이 모두연 사업에 기여하는 바를 측정하고 그에 대한 보상으로 모두연 지분을 받을 수 있는 체계를 만듭니다. 이 LAB은 커뮤니티를 DAO로 조직화하는 방법과, DAO의 자율적인 거버넌스, 기여 측정과 보상에 대해 연구하고, DAO를 운영할 수 있는 서비스를 구현합니다. 최종적인 목표는 모두연 이해관계자 DAO를 런칭해서 회사와 커뮤니티의 시너지를 만들어 내는 것입니다. 세상에서 최초로 시도되는 실험에 함께 참여해 보세요. 보다 자세한 내용은 아래 구글닥스 문서를 참고하시기 바랍니다. https://docs.google.com/document/d/1xpXJowLJ4Dlx4Dh8bfLtPtUr9y5PpZYMeiTue7qU5I8/edit?usp=sharing
작가 한번 해볼LAB
기타
글쓰기를 좋아하시는 분! 작가로서의 꿈을 간직하신 분! 가슴속에 묻어둔 작가의 꿈도 실현하고 출판 인세도 받아보는 1석 2조의 경험을 함께하고 싶은 여러분과 함께 하고 싶습니다. 요즘 OTT의 화제의 드라마나 인기 웹툰중에 웹소설이 원작인 경우가 매우 많습니다. 자기가 좋아하는 분야나 주제 중 많은 사람들이 재밌게 읽을 수 있는(=팔수 있는) 각자의 단편을 12주 동안 집필해서 방대한 서브컬쳐의 숲에 한번 풀어봅시다! 누가 아나요? 1~2년 뒤에 나의 글이 넷O릭스에 드라마로 나올지? 우리 함께 대작가의 시대를 열어봅시다!!!
Monad Lab
공학
저희 랩의 이름을 Monad LAB이라고 지었는데, 일단 Monad라는 것이 프로그래머들 사이에서 악명이 높은 개념 및 용어라고 할 수 있겠습니다. 함수형 프로그래밍을 입문했다가 Monad에서 다들 포기한다라고 하는 괴담으로 유명한데, 사실 저희 랩의 목적 자체가 Monad를 알아내고자 하는 랩은 아닙니다. Monad가 함수형 프로그래밍의 최종 목표는 아니기 때문입니다. Monad를 알아내는 것이 목표가 아니긴 하지만, FP를 공부하다 보면, Monad에 익숙해지고 사용할 수 있게 됩니다. Monad가 어려운 개념이 아닌 가볍게 익숙해질 수 있도록 LAB 이름으로 정했고, 앞으로 우리는 단순히 Monad를 알기 위함이 아닌 FP의 유용성을 알아나갈 것입니다. 우리 Monad LAB의 본 목적은 모던 프로그래밍 언어 속에 녹아있는 FP 요소들을 더 깊이 이해하기 위함입니다. 우리가 아주 흔히 사용하는 언어들 python, java, C#, C/C++, Dart, JS, TS, Swift, Kotlin, Go, Rust 등 모든 언어들은 계속 진화하는데 그 진화하는 방향이 바로 함수형 패러다임입니다. General purpose programming language 중 이러한 함수형 패러다임의 최전선에 있는 언어가 바로 Haskell이고, Haskell을 배워두면 다른 언어들이 도입하고 있는 어려운 개념들(FP 개념들)을 매우 직관적으로 이해할 수 있게 됩니다. 그래서 Haskell을 배워두면 다른 언어 배우는게 매우 수월해지고, Haskell 프로그래머들은 실제로 대개 2~3개 언어를 다룰 수 있는 polyglot 들 입니다. 더 Advanced 한 주제로는 Category theory, Type theory 등과 같은 이론적인 배경까지 공부할 기회가 될 수 있고, 이 수준은 대개 OOP 프로그래밍의 디자인 패턴을 공부하는 단계와 유사합니다. (사실 필수는 아닙니다. ) 우리 Monad LAB 에서는 일단 Haskell을 입문하고, Haskell로 뭔가 간단한 소프트웨어를 만들 수 있게 되면, 실제로 이를 많이들 관심이 많으신 딥러닝 프로젝트에 적용해보고자 합니다. 경우에 따라서는 웹서버같은 서버사이드 어플리케이션 다루는 프로젝트를 해볼 수도 있고 실제로 Haskell을 사용해서 만들어진 Cardano라는 blockchain의 스마트컨트랙도 다뤄볼 수 있습니다. 모든 프로젝트에 대해 제가 경험을 엄청 길게는 아니지만 두루두루 갖추고 있으므로 재밌는 개인 또는 팀프로젝트로 간단하게 해볼 수 있는 토이프로젝트들도 많이 준비돼있으니 많은 관심 부탁드리겠습니다.
Advanced Computer vision LAB
공학
인공지능에서 사용하고 있는 Computer vision 은 Image classification 분야에서 혁신적인 성능을 보이면서 최근 10년동안 다양한 Task에서 놀라운 성과를 나타내고 있습니다. 이번 LAB에서는 Computer Vision 영역에서 인공지능이 어떻게 접목되어 사용되고, 발전하고 있는지 배울수 있는 모임입니다. 본 LAB에서 진행하려고 하는 연구주제는 아래와 같습니다. 1)Object Detection 2)Object Segmentation 3)Image Generation and Translation 4)Semi supervised learning and weakly supervised learning 5)Self-supervised Dense Representation Learning 5)Knowledge distillation model for Computer vision 6)Local Feature Matching 7)Dense Correspondence 8)3D Computer Vision 9)Multi Modal Model

오름캠프

커뮤니티 기반의 성장형 SW/AI 교육 플랫폼에서 함께 성장해요!

한 주의 시작을
모두레터와 함께해요

모두의연구소가 엄선한 AI 소식을 싣고,
매주 월요일 메일함으로 살포시 찾아갑니다.
모두레터